بهبود سرعت یادگیری در سیستم های چندعاملی با استفاده از یادگیری تقویتی

چکیده مقاله

سیستم های چندعاملی با توجه به مزایا و قابلیت های زیادی که در پی دارند اخیرا زمینه ی تحقیقات زیادی قرار گرفته اند وجود یادگیری در این سیستمها امری ضروری است، چون اغلب اوقات محیطی که سیستمهای چندعاملی در آن کار میکنند بزرگ، پیچیده، باز و متغیر با زمان میباشد یادگیری تقویتی به علت اینکه در تعامل با محیط یادگرفته میشود، یکی از پرکاربردترین روشهای یادگیری در سیستمهای چندعاملی میباشد با پیچیده ترشدن محیط یادگیری، سرعت یادگیری کاهش می یابد در این مقاله با ارایه راهکاری برای انتقال دانش وبا استفاده ا ز مفاهیم کارکردی و سلسله مراتب مفاهیم در اوایل یادگیری، سرعت یادگیری افزایش یافته است برای بررسی قابلیت روش پیشنهادی شبیه سازی بر روی مسیله شکار و شکارچی انجام شده است نتایج شبیه سازی کارایی ساختار پیشنهادی را بخوبی نشان میدهند با ارایه این راهکار عامل از تجربیات گذشته اش استفاده کرده و با تعمیم آن به شرایط مشابه نرخ یادگیری خود را افزایش میدهد

کلیدواژه‌ها

نویسندگان

مهدی صالحی

دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد سپیدان

مریم شکفته

گروه کامپیوتر، واحد سروستان، دانشگاه آزاد اسلامی، سروستان، فارس، ایران

�الحی، مهدی و شکفته، مریم،1396،بهبود سرعت یادگیری در سیستم های چندعاملی با استفاده از یادگیری تقویتی،کنفرانس ملی کامیپوتر،فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات کنفرانس ملی کامیپوتر،فناوری اطلاعات و کاربردهای هوش مصنوعی18 بهمن 1396 · اهواز